
- •Федеральное агентство по образованию
- •§2. Общее определение и свойства вероятности
- •Глава 2. Классическая и геометрическая вероятности §1. Классическое определение вероятности
- •§2. Применение комбинаторного анализа
- •§3. Геометрическое определение вероятности
- •Глава 3. Условная вероятность. Независимость событий. Формулы полной вероятности и Байеса §1. Условная вероятность
- •§2. Теоремы сложения и умножения вероятностей
- •§3. Независимость событий
- •§4. Формула полной вероятности
- •§5. Формула Байеса
- •Глава 4. Схема независимых испытаний. Схема Бернулли §1. Формула Бернулли
- •§2. Формула Пуассона
- •§3. Формулы Муавра – Лапласа
- •Глава 5. Случайные величины и их распределения §1. Понятие случайной величины
- •§2. Функция распределения случайной величины
- •§3. Дискретные случайные величины
- •§4. Непрерывные случайные величины
- •§5. Функция от случайных величин
- •Глава 6. Числовые характеристики случайных величин §1. Математическое ожидание случайной величины
- •§2. Математическое ожидание функции от случайной величины. Свойства математического ожидания
- •§3. Дисперсия. Моменты высших порядков
- •Глава 7. Элементы математической статистики §1. Основные понятия и основные задачи математической статистики
- •§2. Простейшие статистические преобразования
- •§3. Эмпирическая функция распределения
- •§4. Полигон и гистограмма
- •Глава 8. Статистическое оценивание §1. Точечные оценки. Выборочная средняя и выборочная дисперсия
- •§2. Метод моментов
- •§3. Метод максимального правдоподобия
- •§4. Интервальные оценки (доверительные интервалы)
- •Глава 9. Проверка статистических гипотез §1. Основные понятия
- •§2. Проверка гипотезы о значении математического ожидания
- •§3. Проверка гипотезы о равенстве математических ожиданий двух генеральных совокупностей
- •§4. Проверка гипотезы о значении дисперсии генеральной совокупности
- •§5. Проверка гипотезы о равенстве дисперсий двух генеральных совокупностей
- •§6. Проверка гипотезы о распределении. Критерий Пирсона
- •Приложения
- •Плотность стандартного нормального распределения
- •Функция распределения стандартного нормального закона
- •Критические точки распределения
- •Критические точки распределения Стьюдента
- •Используемая литература
- •Глава 1. Случайные события и их вероятности 2
§5. Формула Байеса
Пусть имеется полная группа несовместных
событий
.
Требуется найти вероятность события
,
если известно, что событие
произошло.
По определению условной вероятности (3.4.1), имеем:
.
Далее, применяя теорему умножения
вероятностей
,
получаем
.
(3.5.1)
Последняя формула называется формулой
Байеса или формулой гипотез (события
называют еще гипотезами).
Если после опыта, который заканчивается
появлением события
,
производится еще один опыт, в котором
появляется или не появляется событие
,
то условная вероятность этого последнего
события вычисляется по формуле полной
вероятности, в которую подставлены не
прежние вероятности гипотез
,
а новые
:
.
(3.5.2)
Пример 14. Имеются три урны: в первой
—белых и
черных шаров; во второй —
белых и
черных шаров, в третьей —
белых шаров. Выбирается наугад урна и
из нее вынимается шар. Этот шар оказался
белым. Найти вероятность того, что этот
шар вынут из первой, второй или третьей
урны.
Решение.Пусть искомое событие— вынутый шар белый. Рассмотрим следующие
гипотезы:
— выбрана первая урна;
— выбрана вторая урна;
— выбрана третья урна.
Очевидно, что:
.
Условные вероятности равны:
.
По формуле полной вероятности (3.4.1), находим, что
.
По формуле Байеса (3.5.1), находим:
.
Аналогично получаем, что
,
.
Пример 15. Имеются две урны: в первой
—белых и
черных шаров; во второй —
белых и
черных шаров. Выбирается наугад одна
из урн и из нее вынимается один шар. Этот
шар оказался белым (событие А). найти
вероятность того, что следующий шар,
который мы вынимаем из той же урны, будет
тоже белым(событие В).
Решение.Рассмотрим следующие гипотезы:
— выбрана первая урна;
— выбрана вторая урна.
Очевидно, что вероятности выбора урн равны:
.
Находим условные вероятности:
По формуле полной вероятности (3.4.1), получаем:
.
По формуле Байеса (3.5.1), получаем:
.
Далее применяем (3.5.2):
.
Условная вероятность появления второго белого шара при условии, что была выбрана первая урна, и из нее вынут белый шар:
.
Аналогично:
.
В итоге:
.
Глава 4. Схема независимых испытаний. Схема Бернулли §1. Формула Бернулли
Определение.Повторные независимые испытания называютсяиспытаниями Бернулли, если каждое испытание имеет только два исхода, и вероятности исходов остаются неизменными для всех испытаний.
Обычно эти две вероятности обозначаются
через
и
,
исход с вероятностью
называют «успехом» и обозначают символом
1, а второй – «неудачей» и обозначают
символом 0. Очевидно, что
и
должны быть неотрицательными и должно
выполняться равенство
.
(4.1.1)
Пространство элементарных исходов
каждого отдельного испытания состоит
из двух исходов 1 и 0. Очевидно, пространство
элементарных исходов
испытаний Бернулли содержит
последовательностей из
символов 1 и 0. Так как испытания независимы,
то вероятности перемножаются, т. е.
вероятность любой конкретной
последовательности есть произведение,
полученное при замене символов 1 и 0
вероятности на
и
соответственно. Таким образом, вероятность
исхода
равна:
.
Но на практике нас, как правило, интересует
не порядок появления успехов в
последовательности
испытаний Бернулли, а их общее число.
Теорема. Вероятностьтого, что в
испытаниях Бернулли число успехов равно
,
вычисляется по формуле
,
(4.1.2)
где
— вероятность «успеха», а
— вероятность «неудачи».
Доказательство.Событие «виспытаниях Бернулли число успехов равно
и число неудач —
»
содержит столько элементарных исходов,
сколько существует способов размещения
символов на
местах, т.е.
.А так как вероятность конкретной
последовательности, содержащей
символов 1, равна
,то в итоге получаем:
.
Число успехов в
испытаниях обозначают через
,
тогда
.
Очевидно, что
есть случайная величина, а функция
(4.1.2) является «распределением» этой
случайной величины. Будем называть это
распределение биномиальным. Слово
биномиальное отражает тот факт, что
(4.1.2) представляет собойm-й
член биноминального разложения
.
Отсюда следует, что
.
Пример 1.Стрелок попадает в мишень
с вероятностью.
Найти вероятность того, что в результате
пяти независимых выстрелов стрелок
попадает:
a) ровно четыре раза;
б) не менее трех раз.
Решение.Для решения данной задачи применим формулу (4.1.2), в которой:
.
а) Число успехов равно
.
Таким образом, искомая вероятность:
.
б) Обозначим
— вероятность попадания не менее трех
раз из пяти.
.
Пример 2. Сколько испытаний с
вероятностью успеханужно произвести, чтобы вероятность
хотя бы одного успеха была не меньше
0,5?
Решение.Рассмотрим следующие события:
— в схеме Бернулли наблюдался хотя бы
один успех;
— в схеме Бернулли не наблюдалось ни
одного успеха.
Для решения задачи используем формулу (4.1.2), согласно которой вероятность того, что успехов не будет (т.е. число успехов равно нулю), равна:
.
Используя свойство вероятности противоположного события, получаем, что вероятность того, что будет хотя бы один успех, равна:
.
Остается найти наименьшее целое
,
для которого выполнено неравенство:
.
Решим последнее неравенство.
.
Разделив последнее неравенство на
,
получим
.
Наименьшим целым числом
,
удовлетворяющим последнему неравенству,
является
.
Пример 3. Что вероятнее выиграть у равносильного противника (ничейный исход партии исключен):
а) три партии из четырех или пять из восьми;
б) не менее трех партий из четырех или не менее пяти партий из восьми.
Решение.Так как противники
равносильны и ничейный исход партии
исключен, то вероятности выигрыша и
проигрыша каждой партии одинаковы и.
а) Вероятность выигрыша трех партий из четырех равна:
,
а вероятность выигрыша пяти партий из восьми равна:
.
Так как
,
то вероятнее выиграть три партии из
четырех.
б) Вероятность выигрыша не менее трех партий из четырех равна:
а вероятность выигрыша не менее пяти партий из восьми равна:
Так как
,
то вероятнее выиграть не менее пяти
партий из восьми.